检索结果-南通市图书馆

农业机械学报 2020年第12期51卷 229-237页

作者：王跃亭王敏娟孙石杨斯郑立华中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业科学院作物科学研究所北京100081

为了实现待考种大豆植株主茎节数的快速、高效测量,提出一种基于图像处理和聚类算法的待考种大豆主茎节数统计方法。首先,获取不同视角下的已脱叶待考种大豆植株图像,随机抽取训练集与验证集样本植株,并设定初始图像采集间隔与抽样步长... 详细信息

为了实现待考种大豆植株主茎节数的快速、高效测量,提出一种基于图像处理和聚类算法的待考种大豆主茎节数统计方法。首先,获取不同视角下的已脱叶待考种大豆植株图像,随机抽取训练集与验证集样本植株,并设定初始图像采集间隔与抽样步长;其次,通过植株分割、骨架提取、主茎节点去噪等操作,获取分布于植株主茎上的待检测大豆茎节点;通过基于空间距离的数据转换方法将分布离散的大豆茎节点转换至便于聚类的数据集内;利用HDBSCAN聚类算法对不同采集视角下的待检测大豆茎节点进行聚类,统计、记录主茎节数识别准确率,筛选最优采集间隔;最后,利用最优采集间隔对剩余样本植株主茎节数进行统计、分析。在63株“中黄30”待考种大豆植株中抽取21株植株作为训练集,并进行实验测试,发现在采集间隔为90°时,以最小聚类簇为2,融合处理4幅大豆图像,大豆主茎节数识别效果最优。据此对42株验证集样本植株进行主茎节数识别和分析,结果表明,大豆主茎节数识别准确率可达98.25%。该方法能够快速、准确获取大豆主茎节数,可满足大豆考种需求。

关键词：大豆考种主茎节数图像处理空间转换 HDBSCAN聚类算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于虚拟数据和旋转目标检测分析的大豆豆荚表型参数测量方法

引用

江苏农业学报 2024年第7期40卷 1245-1259页

作者：吴康磊金秀饶元李佳佳王晓波王坦江朝晖安徽农业大学信息与人工智能学院安徽合肥230036 农业农村部农业传感器重点实验室安徽合肥230036 安徽农业大学农学院安徽合肥230036

为解决传统大豆考种过程中人工测量大豆豆荚表型参数耗时费力的问题以及现有的自动化测量方式存在的人工数据标注需求量大、环境适应能力弱、计算代价高等问题,本研究提出一种基于虚拟数据集生成和旋转目标检测分析的豆荚关键表型参数... 详细信息

为解决传统大豆考种过程中人工测量大豆豆荚表型参数耗时费力的问题以及现有的自动化测量方式存在的人工数据标注需求量大、环境适应能力弱、计算代价高等问题,本研究提出一种基于虚拟数据集生成和旋转目标检测分析的豆荚关键表型参数自动化测量方法,重点关注荚长和荚宽的测量。该方法基于YOLOv7-tiny提出一种改进的豆荚检测模型(CSL-YOLOv7-tiny),通过引入环形平滑标签使模型获得对旋转目标的检测能力,提升对无序摆放的狭长豆荚目标检测的质量。为避免人工标注训练数据,采用虚拟图像生成方法得到含标注信息的虚拟豆荚数据集和虚拟硬币与豆荚混合数据集。利用迁移学习策略,将模型从虚拟豆荚数据集迁移至虚拟硬币与豆荚混合数据集,积累模型对豆荚特征的提取能力。设计一种基于K-均值聚类的后处理方法,对检测到的旋转边界框进行分析,得到荚长和荚宽,以减少拍摄环境差异带来的测量误差。试验结果表明,在无任何训练数据标注的条件下,使用虚拟图像训练的CSL-YOLOv7-tiny对硬币和豆荚目标检测的最优mAP_(0.50)和mAP_(0.50∶0.95)分别达到了99.3%和78.0%,其模型大小和推理时间分别仅为12.92 MB和12.5 ms,荚长和荚宽测量的决定系数(R^(2))分别达到了0.94和0.86,与实际测量均值分别仅相差0.42 mm和0.02 mm。此外,通过对本研究提出的方法进行对比分析,验证了其在模型训练、轻量化部署以及不同考种环境适应能力上的优势。研究结果可为大豆豆荚表型参数的自动化、智能化测量系统的研发提供参考,为加速优质高产大豆的选育进程提供支撑。

关键词：大豆考种豆荚表型虚拟数据旋转目标检测 YOLOv7-tiny

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于机器视觉的大豆种子品质检测与分选

基于机器视觉的大豆种子品质检测与分选

引用

作者：李梁璨山东大学

学位级别：硕士

大豆富含各种重要的营养物质,是居民生活中最好的蛋白质来源之一。近年来随着大豆需求量的增加,国内大豆的自产量却没有明显提升,导致大豆缺口量有逐年扩大的趋势,已经严重威胁了我国的粮油安全,提升国内大豆的亩产量、培育新品种大豆... 详细信息

大豆富含各种重要的营养物质,是居民生活中最好的蛋白质来源之一。近年来随着大豆需求量的增加,国内大豆的自产量却没有明显提升,导致大豆缺口量有逐年扩大的趋势,已经严重威胁了我国的粮油安全,提升国内大豆的亩产量、培育新品种大豆迫在眉睫。考种是育种工作中至关重要的环节,获取大豆种子的表型信息并以此筛选出更优异的品种是育种工作顺利进行的保障。对大豆种子的考种是在收获后从大豆植株中剥离出种子,观察每颗植株所结种子的表型状态,并记录大豆种子的数量和各种表型信息。目前大豆的考种工作还是以人工观察为主,无法对大豆的表型特征进行量化,效率低下的同时也不能保证准确性。为了提高考种工作的效率和准确率,本文提出了一种基于机器视觉的自动化大豆种子品质检测与分选系统。本文的主要工作为:1.为了准确筛选出大豆种子中的残次品,基于Mask R-CNN模型,使用新的特征提取网络和注意力机制,提出了一种适合检测大豆种子的改进的Mask R-CNN模型。经过实验对比发现,相较于Mask R-CNN,改进的模型对残次品大豆种子的总体检测准确率提升了 19.92%,对于各种残次品大豆种子的检测精度都有提升。2.使用基于分水岭的大豆特征参数提取算法获取大豆种子的各种表型参数,包括周长、面积、圆度,在筛出残次品大豆的基础上可以进一步地根据量化的大豆表型参数进行分选,进一步提高考种的准确率。将该算法嵌入至硬件平台中,使用FPGA的处理器系统和可编程逻辑运行,提高算法运行速度。3.设计了一种大豆籽粒分选装置,控制端搭载上述两种大豆分选算法,通过自动化与机械设备结合,实现了使用机器视觉分选大豆种子的工作。系统使用传送带批量输送大豆,在运输过程中使用摄像头进行图像采集,使用计算机处理采集的图像,由算法分选出目标大豆,通过FPGA控制电磁阀开启相应的气动喷孔来剔除目标大豆,能够按照筛选标准自动化分选大豆种子。本文设计了一种大豆籽粒的人工智能选种装置,把基于机器视觉的大豆种子表型特征获取算法内置到选种装置的控制系统,可以大幅度地减少人工考种带来的误差,加快育种进程,提高现代种业的选种效率。

关键词：计算机视觉图像处理 Mask R-CNN 大豆籽粒分选装置大豆考种

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向人工智能育种的大豆种子表型特征数据采集与分析

面向人工智能育种的大豆种子表型特征数据采集与分析

引用

作者：马鸿润山东大学

学位级别：硕士

大豆是世界上植物蛋白和油脂的首要供应来源作物之一。近几十年来,我国对大豆的刚性需求随着大众食品结构中蛋白质比例的上升而快速增长,而国产大豆产量却呈下降趋势,对外依存严重,威胁国家粮油安全。培育优良大豆品种,增加大豆单产成... 详细信息

大豆是世界上植物蛋白和油脂的首要供应来源作物之一。近几十年来,我国对大豆的刚性需求随着大众食品结构中蛋白质比例的上升而快速增长,而国产大豆产量却呈下降趋势,对外依存严重,威胁国家粮油安全。培育优良大豆品种,增加大豆单产成为了大豆育种专家的首要目标。考种工作在作物表型组学研究中一直发挥着重要作用,通过对大豆种子、植株进行考种,获取表型特征,解析其中与大豆产量、品质的关系,这对于育种方案的设计研究有着重要意义。传统人工考种方式存在成本高、准确率低、描述较粗糙的缺点,而现有基于高光谱图像技术的考种方法,由于技术设备价格高昂、不便携带等原因难以推广使用。为改善这一现状,本文提出一种面向人工智能育种,基于计算机视觉技术的大豆种子表型特征数据采集与分析的解决方案。本文基于对大豆表型特征数据的采集与分析的计算机视觉应用技术的研究,完成了以下工作:（1）设计并构建了一套高通量、低成本的大豆种子图像批量采集解决方案,对2018年收获的200个品种东北大豆的杂交组合后代株系,共计约10万粒大豆种子进行了快速、无损地图像采集工作,共拍摄了 5000余张原始大豆种子图像。（2）完成了对原始大豆种子图像的预处理工作,首先通过tesseract-OCR开源引擎对采集到的大豆种子图像中所包含的相关文本信息进行提取,并设计了命名模板以便生成统一规整的大豆种子图像数据集;完成图像灰度化、图像去噪处理,基于霍夫变换算法对原始大豆种子图像进行籽实坐标检测及区域分割,获得了统一规整的单粒大豆种子图像数据集。（3）在获得的单粒大豆种子图像数据集中,在不同颜色模型下提取了大豆种子表皮颜色、光泽度、均匀度等颜色特征,通过尺寸比例校正方法计算了大豆种子的长、宽、周长、面积等形状特征,并基于高斯拉普拉斯（Laplacian of Gaussian,LoG）算子边缘检测和广度优先搜索（Breadth-First Search,BFS）思想首次实现了对大豆种脐、种肾等部分的精细化分割和特征信息提取,为育种设计提供了全新的表型特征参数。（4）设计并实现了大豆表型组数据平台系统,系统保存了本文的图像处理结果以及往年保存记录的人工考种数据,并为育种专家提供简便、可靠的大豆种子表型特征数据分析及查询服务。本文为面向人工智能育种的大豆表型组研究提供了一定的参考价值,通过计算机视觉技术,实现了对大豆种子的快速、无损考种,解决了传统人工考种存在的成本高、效率低、精度差等问题,为育种专家进行精细化的育种方案设计提供了更加精准、更多维度的表型性状数据参考。

关键词：人工智能育种大豆考种表型特征采集与分析计算机视觉图像处理

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：